基础模型: 北京大学/rtdetr_r101vd_coco_o365
数据集: keremberke/satellite-building-segmentation
库名称: transformers
许可证: mit
评估指标:

• 平均精度(AP)
• 平均召回率(AR)
  任务标签: 目标检测
  标签:
• 遥感
• 目标检测
  演示组件:
• 输入图像: img.png
  输出结果:
  链接: img.png

模型索引:

• 名称: 卫星图像屋顶检测微调RT-DETR模型
  测试结果:
  • 任务类型: 目标检测
    数据集:
    名称: keremberke/satellite-building-segmentation
    类型: 图像分割
    指标:
    • 类型: AP (IoU=0.50:0.95)
      值: 0.434
      名称: AP @ IoU=0.50:0.95 | 区域=全部 | 最大检测=100
    • 类型: AP (IoU=0.50)
      值: 0.652
      名称: AP @ IoU=0.50 | 区域=全部 | 最大检测=100
    • 类型: AP (IoU=0.75)
      值: 0.464
      名称: AP @ IoU=0.75 | 区域=全部 | 最大检测=100
    • 类型: AP (IoU=0.50:0.95) 小目标
      值: 0.248
      名称: AP @ IoU=0.50:0.95 | 区域=小目标 | 最大检测=100
    • 类型: AP (IoU=0.50:0.95) 中目标
      值: 0.510
      名称: AP @ IoU=0.50:0.95 | 区域=中目标 | 最大检测=100
    • 类型: AP (IoU=0.50:0.95) 大目标
      值: 0.632
      名称: AP @ IoU=0.50:0.95 | 区域=大目标 | 最大检测=100
    • 类型: AR (IoU=0.50:0.95) 最大检测=1
      值: 0.056
      名称: AR @ IoU=0.50:0.95 | 区域=全部 | 最大检测=1
    • 类型: AR (IoU=0.50:0.95) 最大检测=10
      值: 0.328
      名称: AR @ IoU=0.50:0.95 | 区域=全部 | 最大检测=10
    • 类型: AR (IoU=0.50:0.95) 最大检测=100
      值: 0.519
      名称: AR @ IoU=0.50:0.95 | 区域=全部 | 最大检测=100
    • 类型: AR (IoU=0.50:0.95) 小目标
      值: 0.337
      名称: AR @ IoU=0.50:0.95 | 区域=小目标 | 最大检测=100
    • 类型: AR (IoU=0.50:0.95) 中目标
      值: 0.601
      名称: AR @ IoU=0.50:0.95 | 区域=中目标 | 最大检测=100
    • 类型: AR (IoU=0.50:0.95) 大目标
      值: 0.714
      名称: AR @ IoU=0.50:0.95 | 区域=大目标 | 最大检测=100

模型卡片

遥感任务中的屋顶检测模型。

模型详情

模型描述

• 模型类型: 面向遥感任务的目标检测
• 许可证: MIT

模型来源

• GitHub: Jupyter笔记本
• 演示: Hugging Face空间

局限性

用户(包括直接使用者和下游使用者)应当了解该模型存在的风险、偏差和技术限制。

快速开始指南

使用以下代码快速启动模型:

from transformers import AutoModelForObjectDetection, AutoImageProcessor  
import torch  
import cv2  

image_path=您的图片路径  
image = cv2.imread(image_path)  

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")  

model = AutoModelForObjectDetection.from_pretrained("Yifeng-Liu/rt-detr-finetuned-for-satellite-image-roofs-detection")  
image_processor = AutoImageProcessor.from_pretrained("Yifeng-Liu/rt-detr-finetuned-for-satellite-image-roofs-detection")  

置信度阈值 = 0.5  

with torch.no_grad():  
    model.to(device)  

    # 加载图像并进行预测  
    inputs = image_processor(images=image, return_tensors='pt').to(device)  
    outputs = model(**inputs)  

    # 后处理  
    target_sizes = torch.tensor([image.shape[:2]]).to(device)  
    results = image_processor.post_process_object_detection(  
        outputs=outputs,  
        threshold=置信度阈值,  
        target_sizes=target_sizes  
    )[0]